首页 > 资讯 >

中国科学院利用人工智能,发现迄今为止距其主星最近的最小行星

发布时间:2024-10-14 14:33:53来源:
10 月 14 日消息,由中国科学院上海天文台葛健教授带领的国际团队,研发了一种结合 GPU 相位折叠和卷积神经网络的深度学习算法,并在开普勒(Kepler)2017 年释放的恒星测光数据中发现了五颗直径小于地球、轨道周期短于 1 天的超短周期行星。

▲已知行星半径和行星轨道半长轴分布以及五个新发现的超短周期行星(红点)

附论文链接:https://academic.oup.com/mnras/article/534/3/1913/7762975

据介绍,经过 5 年的努力和创新,科研团队开发了结合 GPU 相位折叠和卷积神经网络的深度学习的新算法 GPFC。该算法比国际上流行的 BLS 法搜寻速度提高了约 15 倍,检测准确度和完备度各提高约 7%,提高了凌星信号搜索速度、精度和完备度。

该算法已应用于 Kepler 的数据集中,并识别出五颗新的超短周期行星 ——Kepler-158d、Kepler-963c、Kepler-879c、Kepler-1489c 和 Kepler-2003b。

其中,Kepler-879c、Kepler-158d、Kepler-1489c 和 Kepler-963c 分别位列迄今为止发现的最小超短周期行星中的第一、第二、第三和第五名。

Kepler-879c、Kepler-158d、Kepler-1489c 和 Kepler-2003b 是最接近其主星的小型行星,其轨道半径在 5 个恒星半径以内,展现了新算法在搜寻微弱凌星信号的优势。

这些超短周期行星的存在为行星系统的早期演化、行星-行星相互作用以及恒星-行星相互作用的动力学(包括潮汐力和大气侵蚀)研究提供了关键线索,对行星形成理论研究具有重要意义

这一成果为在高精度光度观测数据中快速而高效搜寻凌星信号提供了新的研究方式,显现了人工智能在天文海量数据中探寻微弱信号的应用潜力和前景

(责编: admin)

免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。